Revisión de herramientas de Inteligencia Artificial para extracción de texto en enunciados de razonamiento lógico

Abstract

El crecimiento exponencial de los datos textuales, proyectado para ser 175 veces mayor en 2025 que en 2011, plantea desafíos y oportunidades clave en la extracción de información mediante herramientas de inteligencia artificial. Este trabajo se centra en una revisión bibliográfica de herramientas para el procesamiento y extracción de lenguaje natural en enunciados de razonamiento lógico. La investigación se llevará a cabo en la biblioteca virtual de la Universidad Nacional a Distancia, con el fin consolidar la información en tablas para clasificar y resaltar las fortalezas y debilidades de los hallazgos más relevantes. Los resultados del trabajo evidencian que, aunque los modelos basados en Deep Learning han avanzado significativamente, aún presentan dificultades para capturar detalles críticos. En este contexto, los enfoques híbridos, que combinan redes neuronales con razonamiento lógico estructurado, emergen como una alternativa prometedora. Estas herramientas han demostrado un alto potencial para superar las limitaciones de los métodos tradicionales, permitiendo abordar problemas de inferencia lógica con mayor precisión y adaptabilidad.